구글(Google)이 대화 중에도 도구를 실행하고 복잡한 작업을 이어가는 음성 AI 모델 두 종을 공개했다. 제미나이(Gemini) 3.8 라이브(Live)는 빠르고 자연스러운 대화에, 제미나이 3.8 라이브 확장 사고(Extended Thinking)는 여러 단계를 거치는 작업에 초점을 맞췄다. 이용자가 말하는 동안 화면 속 상황을 파악하거나 예약 같은 작업을 진행하고, 기다리는 사이에도 대화가 끊기지 않게 하겠다는 구상이다. 음성 비서의 평가 기준이 말을 얼마나 자연스럽게 하느냐에서 실제 일을 얼마나 매끄럽게 끝내느냐로 옮겨가고 있다는 점에서 주목할 만하다.
핵심 요약
- 구글은 빠른 음성 대화용 제미나이 3.8 라이브와 복잡한 작업용 확장 사고 모델을 나눠 내놓으며, 용도에 따라 속도와 추론 능력을 선택하도록 했다.
- 3.8 라이브는 대화 중 시각 정보를 처리하고 지원하는 97개 언어를 전환하며, 도구 실행이 끝나기를 기다리는 동안에도 대화를 이어간다.
- 확장 사고 모델은 여러 단계의 작업을 진행하면서 먼저 응답하고 중간 과정을 말로 전해, 긴 작업에서 생기는 대화의 공백을 줄이도록 설계됐다.
- 구글이 제시한 음성 품질·작업 수행 평가 결과는 모델의 가능성을 보여주지만, 실제 사용성은 응답의 정확성과 접근 가능 범위에도 달려 있다.
- 두 모델은 API와 구글 제품에 서로 다른 방식으로 배포되며, 생성 음성에는 AI 생성 여부를 식별할 수 있는 신스아이디(SynthID) 워터마크가 적용된다.
빠른 대화와 깊은 추론, 모델을 나누다
구글은 2026년 9월 15일 제미나이 3.8 라이브와 제미나이 3.8 라이브 확장 사고를 발표했다. 구글이 제시한 목표는 음성 AI가 질문에 답하기 위해 대화를 멈추는 대신, 이용자와 이야기하면서 주변 상황을 파악하고 필요한 일을 처리하는 것이다. 두 모델 모두 거의 실시간으로 추론해 음성 에이전트(말로 요청을 받고 작업을 수행하는 AI)를 만드는 데 쓰이지만, 설계의 무게중심은 다르다.
3.8 라이브는 대규모 서비스에서의 비용 효율과 유창한 대화, 시각적 맥락 파악을 함께 겨냥한다. 확장 사고 모델은 여러 단계를 거쳐야 하는 복잡한 작업에 더 높은 추론 능력을 투입한다. 개발자와 기업에는 음성 서비스를 만들 재료를, 일반 이용자에게는 앱과 업무 도구에서 더 자연스럽게 협업하는 경험을 제공하겠다는 구분이다.
이 구분은 음성 AI의 선택지가 단순히 ‘더 똑똑한 모델’ 하나로 수렴하지 않음을 보여준다. 짧은 질문을 주고받을 때는 빠른 반응과 대화의 흐름이 중요하고, 예약이나 문서 작업을 맡길 때는 여러 단계에 걸쳐 요청을 정확히 처리해야 한다. 구글은 이 두 요구를 각각의 모델에 담았다.
음성 품질과 작업 완료율을 따로 재다
구글에 따르면 확장 사고 모델은 아티피셜 애널리시스(Artificial Analysis)의 음성 대 음성 품질 지수에서 82.6점으로 종합 1위를 기록했다. 음성으로 지시한 작업의 완료 능력을 평가하는 τ-보이스(τ-Voice)에서는 68.6%, 시에라(Sierra)의 금융 업무 평가인 τ-보이스 뱅킹에서는 35.1%를 기록했다. 오디오 추론 평가인 빅 벤치 오디오(Big Bench Audio) 점수는 97.7%라고 밝혔다.
3.8 라이브는 이용자 선호도를 보는 스피치 에이전트 아레나(Speech Agent Arena)에서 2위를 차지했다. 구글은 이 모델이 기업과 개발자에게 비용 효율적인 대규모 서비스 운영 수단이 될 수 있다고 설명한다. 서로 다른 평가 결과를 제시한 것도 두 모델의 역할 차이를 드러낸다. 확장 사고 모델에는 작업 수행과 추론을, 기본 라이브 모델에는 대화 경험과 운영 효율을 강조한 셈이다.
구글은 서비스나우(ServiceNow)의 음성 에이전트 평가인 EVA-벤치(EVA-Bench)에서도 정확성과 대화 품질의 균형을 개선했다고 밝혔다. 이 평가는 제미나이 엔터프라이즈 에이전트 플랫폼(Gemini Enterprise Agent Platform)의 라이브 API에서 진행됐다. 수치가 보여주는 것은 한 가지 능력만 높이는 대신, 일을 처리하는 능력과 대화의 질을 함께 보려는 방향이다.
화면을 보고 언어를 바꾸며 대화하다
3.8 라이브는 시각 입력을 거의 실시간으로 처리해 눈앞의 상황을 대화에 반영한다. 구글이 공개한 시연에는 직원 온보딩 과정에서 보이는 내용을 바탕으로 질문에 답하고, 체스판의 상태를 보며 대화를 이어가는 장면이 포함됐다. 음성 요청을 따로 떼어 해석하는 것이 아니라, 이용자가 보고 있는 것까지 답변의 맥락으로 삼는 방식이다.
언어 전환도 대화 도중 자동으로 이뤄진다. 구글은 지원하는 97개 언어 사이를 이용자가 말하는 흐름에 맞춰 감지하고 전환한다고 설명했다. 한 언어로 대화를 시작했다가 다른 언어로 이어가더라도 매번 설정을 바꾸거나 새 대화를 열 필요가 없다는 뜻이다.
또 하나의 변화는 도구와 API 호출을 백그라운드에서 실행한다는 점이다. 이용자가 요청하면 모델이 이를 받아들이고 대화를 계속하는 동안 외부 기능의 결과를 기다린다. 음성 인터페이스에서는 잠깐의 침묵도 흐름을 끊기 때문에, 작업이 끝날 때까지 대화를 멈추지 않는 설계가 중요하다.
생각하는 동안 진행 상황을 말하다
확장 사고 모델은 더 오래 걸리는 작업에서도 대화가 정지하지 않도록 설계됐다. 요청을 받으면 먼저 확인하겠다는 짧은 응답을 하고, 이후 여러 단계의 작업이 어떻게 진행되는지 말로 알려준다. 구글은 이를 추론과 발화가 동시에 이뤄지는 방식으로 설명한다.
시연 사례에는 손그림과 실시간 음성 피드백을 받아 작동하는 리액트(React) 구성요소로 바꾸는 작업이 있다. 여러 단계의 예약을 조율하면서 비동기 함수 호출(결과를 기다리는 동안 다른 처리를 이어가는 호출)을 처리하는 장면도 제시했다. 요청을 접수한 뒤 최종 결과만 내놓기보다, 작업 중에도 이용자가 말을 걸고 방향을 조정할 수 있게 하는 경험에 초점을 맞췄다.
구글은 기본 라이브 모델이 자연스러운 말로 사업 계획과 맞춤형 마케팅 도구 모음을 만드는 시연도 공개했다. 다만 이런 사례의 핵심은 음성으로 문서를 만든다는 사실만이 아니다. 긴 작업을 맡긴 사람이 현재 무엇이 진행 중인지 듣고, 대화의 주도권을 유지할 수 있느냐에 있다.
문서·검색·앱으로 들어가는 음성 작업
구글은 두 모델을 제미나이 앱, 구글 워크스페이스(Google Workspace), 검색에 연결한다. 워크스페이스에서는 독스 라이브(Docs Live), 지메일 라이브(Gmail Live), 킵 라이브(Keep Live)에 확장 사고 모델을 적용한다. 검색의 서치 라이브(Search Live)에는 3.8 라이브를 이용한 단계별 실시간 문제 해결 기능을 제시했다.
제미나이 앱에서는 확장 사고 모델로 하루 일정의 요약을 요청하고, 받은편지함을 정리하거나 할 일을 넘기는 사용 사례를 소개했다. 이 사례들은 모두 화면에서 메뉴를 찾아 차례로 조작하는 대신, 말로 요청한 뒤 결과를 함께 다듬는 흐름을 보여준다. 음성이 단순한 입력 수단을 넘어 작업을 시작하고 이어가는 통로가 되는 것이다.
하지만 같은 발표 안에서도 제품별 적용 모델과 이용 대상은 다르다. 구글은 기능을 한꺼번에 모든 계정에 여는 방식이 아니라 API, 기업용 미리보기, 구독 서비스와 개별 앱으로 나눠 배포한다. 발표된 기능 목록과 자신의 계정에서 실제로 쓸 수 있는 기능 목록이 일치하는지는 별도로 확인해야 한다.
개발 도구가 맡는 실시간 연결
개발자용 진입점은 제미나이 라이브 API다. 구글은 아고라(Agora), 피시잼(Fishjam), 랭체인(LangChain), 라이브킷(LiveKit), 파이프캣(Pipecat), 버셀(Vercel), 비전 에이전츠(Vision Agents) 같은 플랫폼이 이를 이용해 음성 인터페이스를 구축하고 배포할 수 있다고 밝혔다. 이런 플랫폼은 실시간 미디어 스트리밍의 복잡한 부분을 처리하고, 개발자는 이용자 경험을 만드는 데 집중하도록 돕는다.
구글은 세일즈포스(Salesforce), 젠스파크(Genspark), 루메리스(Lumeris)도 협력사로 언급했다. 협력사들이 주목한 요소로는 응답 지연, 대화의 유창함, 도구 호출 능력을 꼽았다. 음성 서비스에서는 모델 자체의 답변뿐 아니라 소리를 전달하고 외부 시스템과 연결하는 과정까지 사용자 경험에 영향을 준다는 점을 보여준다.
두 모델의 구분은 여기서도 이어진다. 즉각적인 상호작용을 폭넓게 제공하려는 서비스라면 비용과 속도를 고려해야 하고, 여러 외부 기능을 순서대로 다루는 서비스라면 작업 완료 능력이 중요해진다. 구글이 모델 발표와 함께 개발 플랫폼 생태계를 강조한 이유도 음성 에이전트가 단독 모델만으로 완성되지 않기 때문이다.
워터마크와 서로 다른 출시 경로
구글은 자사 AI 제품이 생성한 모든 오디오에 신스아이디 워터마크를 넣는다고 밝혔다. 사람이 알아차리기 어려운 표시를 음성 출력에 직접 심어 AI 생성물인지 탐지할 수 있게 하는 방식이다. 구글은 이를 허위 정보 예방을 위한 투명성 조치로 설명하고, 안전과 책임에 관한 자세한 내용은 모델 카드로 안내했다.
3.8 라이브는 개발자에게 제미나이 API와 구글 AI 스튜디오(Google AI Studio)로 제공되기 시작했다. 기업에는 제미나이 엔터프라이즈(Gemini Enterprise)의 비공개 미리보기로 열리고, 일반 이용자는 서치 라이브에서 접할 수 있다. 기업용 고객 경험 제품에는 추후 들어갈 예정이다.
확장 사고 모델도 기업용 비공개 미리보기가 시작됐으며, 제미나이 라이브에서 일반 이용자가 사용할 수 있다. 워크스페이스에서는 구글 AI 프로(Pro)·울트라(Ultra) 구독자가 독스에서, 구글 AI 구독자가 지메일과 킵에서 이용 대상이다. 워크스페이스 기업 고객과 기업용 고객 경험 제품으로의 확대는 추후 예정이다. 따라서 이번 발표는 두 모델의 동시 공개이지만, 실제 접근 경로는 사용자와 제품에 따라 나뉜다.
커뮤니티 의견
한 사용자는 미국에서 살며 아프리칸스어로 대화할 상대를 찾기 어려웠는데, 제미나이와 운전 중 대화하고 즉석 문법 수업도 할 수 있어 반갑다고 했다. 가족도 발화 수준에 놀랄 만큼 만족스럽다며, 이번 개선이 소수 언어 이용자에게도 도움이 되기를 기대했다. 반면 다른 사용자는 아이슬란드어에서 경쟁 서비스보다 낫더라도 문법 오류와 비원어민 같은 발음이 남아 있다고 지적했다.
직접 써본 한 사용자는 강한 억양도 잘 알아듣고 목소리가 듣기 좋으며 응답이 빠르다고 평가했다. 이전 발표에서는 새 기능을 쓰기 어려웠던 워크스페이스 계정에서도 접근할 수 있다는 점을 특히 반겼다. 다만 답글에서는 관리자 계정과 앱, AI 스튜디오 어디에서도 새 모델이 보이지 않는다는 경험이 나와, 출시 안내와 계정별 체감 사이의 간극도 드러났다.
구글이 경쟁 모델을 언제 앞설 수 있을지를 묻는 의견도 있었다. 한 사용자는 구글의 데이터와 하드웨어, 사업 기반을 고려하면 더 빨리 앞설 줄 알았다고 말했다. 이에 다른 사용자는 카메라로 대상을 비추고 질문하는 일상적 용도에서는 제미나이의 빠른 응답과 가벼운 구동이 이미 강점이라고 맞섰다. 두 의견 모두 발표된 음성 모델 자체보다 구글 AI 전반의 경쟁력을 평가한 주장이다.
대화의 안정성을 문제 삼는 사용자도 있었다. 앞선 메시지의 맥락을 바로 잊거나 원하지 않은 제품 링크를 내놓는 경험 때문에, 자연스러운 말투만으로는 신뢰하기 어렵다는 것이다. 다른 한편에서는 제미나이의 읽기 편한 문장과 브레인스토밍할 때의 대화감을 높이 평가했다. 이들은 성능을 끌어올리는 과정에서 오히려 그런 자연스러움이 사라질까 걱정했다.
체스 시연을 두고는 고급 모델이 흔한 체크메이트 패턴에 패한 장면을 보여준 것이 어색하다는 비판이 나왔다. 답글에서는 라이브 모델이 체스 엔진을 대체할 필요는 없고, 기존 체스 프로그램에 자연스러운 음성 대화를 더하는 용도라면 충분히 매력적이라는 반론도 제기됐다. 시연을 볼 때 대화 능력과 전문 작업의 정확성을 구분해야 한다는 시각 차이다.
대화 기록을 저장하면서도 이를 학습 데이터에서는 제외할 수 있어야 한다는 요구도 나왔다. 한 사용자는 그 문제가 해결되기 전까지는 서비스를 진지한 용도로 쓰지 않겠다고 했다. 음성 AI에 더 많은 일상 정보와 업무를 맡길수록, 기록을 어떻게 보관하고 사용하는지에 관한 선택권이 중요해진다는 문제 제기다.
기존 제미나이 라이브를 GPT 보이스(GPT Voice)보다 자연스럽게 느꼈다는 사용자도 있었다. 다만 그 사용자도 당시 라이브 모델의 지능은 부족했다고 평가하며, 이번 모델이 대화감과 작업 능력을 함께 높일지 기대했다. 뒤이어 일부 사용자는 새 모델 발표가 이어져도 자신의 앱에는 이전 버전만 보인다며 배포 방식에 불만을 표했다.
음성 비서를 직접 만드는 한 사용자는 별도 모델인 제미나이 3.8 플래시(Flash)를 시험했다가, 요청하지 않은 요구사항과 구현 세부 사항을 만들어내 같은 날 사용을 철회했다고 했다. 이 사용자는 그 경험을 근거로 라이브 모델을 작업 수행 에이전트에 쓸 때도 주의가 필요하다고 주장했다. 또 다른 워크스페이스 이용자들도 계정마다 보이는 모델이 다르다고 전해, 성능뿐 아니라 접근성과 실제 작업 결과를 확인해야 한다는 목소리를 보탰다.
핵심 통찰
이번 발표의 변화는 음성 AI가 유창하게 대답하는 단계를 넘어, 말하는 동안 화면을 이해하고 외부 도구로 일을 처리하려 한다는 데 있다. 구글은 빠른 대화와 깊은 추론을 별도 모델로 나눠 이 목표에 접근했다. 다만 이용자가 체감할 품질은 평가 점수만으로 정해지지 않는다. 여러 단계의 요청을 끝까지 정확히 수행하는지, 긴 대화의 맥락을 지키는지, 계정에서 실제로 쓸 수 있는지가 함께 중요하다. 앞으로는 자연스러운 목소리와 믿고 맡길 수 있는 작업 결과가 얼마나 자주 일치하는지를 봐야 한다.
원본: Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking
토론: Hacker News